在n个物品中挑选若干物品装入背包，最多能装多满？假设背包的大小为m，每个物品的大小为A[i]。
你不可以将物品进行切割。
在线评测地址：
https://www.lintcode.com/problem/backpack/?utm_source=sc-tianchi-sz0821
样例 1:
输入: [3,4,8,5], backpack size=10
输出: 9
样例 2:
输入: [2,3,5,7], backpack size=12
输出: 12算法：DP
从已知的题目中，可以总结出以下两点：
每件物品只有一种
每件物品最多选择一次
那么考虑对于前i件的物品在容量为w的背包下，最大的装载量是多少，由此可以总结出对应的子结构，进行动态规划。
算法思路
设计dp数组dpn，用dpi表示第i个物品在容量为j的背包下，最大的装载量。
在这个问题中，若只考虑第i件物品的策略（放或不放），那么就可以转化为一个只牵扯前i−1件物品的问题：
如果不放第i件物品，可得dpi=dpi−1
如果放了第i件物品，可得dpi=dpi−1]+A[i] (j≥A[i])
总结状态转义方程为：dpi=max(dpi−1,dpi−1]+A[i])
复杂度分析
n表示物品件数，m表示背包容量
时间复杂度：O(nm)
空间复杂度：O(nm)
算法优化观察上方的状态转义方程，可以发现dpi方程的两个状态都只和dp[i-1]有关，显然通过O(nm)的空间复杂度，难免会浪费一些空间。
可以考虑使用滚动数组优化，建立dp数组dp[m]，使用dp[j-A[i]]代替dpi-1]。优化后状态转义方程为dp[j]=max(dp[j],dp[j−A[i]]+A[i])
优化后复杂度分析
时间复杂度：O(nm)
空间复杂度：O(m)
代码思路分析
建立数组dp[m]表示背包容量为m的情况下，最大的装载量
初始化dp[0]=0
正序枚举A[i]，并倒叙枚举j，这样所需要的dp[j-A[i]]不会被提前更新
最后返回dp[m]，表示背包容量在m下的答案
public class Solution {
/**
* @param m: An integer m denotes the size of a backpack
* @param A: Given n items with size A[i]
* @return: The maximum size
*/
public int backPack(int m, int[] A) {
// write your code here
// 如果背包容量或者物品数量为0，则直接返回
if (A.length == 0 || m == 0) {
return 0;
}
int n = A.length;
int[] dp = new int[m + 1];
for (int i = 0; i < n; i++) {
// 滚动数组优化 倒序枚举j
for (int j = m; j >= A[i]; j--) {
dp[j] = Integer.max(dp[j], dp[j - A[i]] + A[i]);
}
}
return dp[m];
}}
更多大厂面试动态规划题解参见九章算法官网：
https://www.jiuzhang.com/course/76/?utm_source=sc-tianchi-sz0821
